CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Possui Graduação em Eng. Elétrica / Eletrônica pela Universidade Estadual Paulista (1994), Mestrado e Doutorado em Eng. Elétrica e de Computação / Automação pela Universidade Estadual de Campinas (1997 e 2002), Pós-Doutorado pela Universidade de Nice - Sophia Antipolis, França (2003) e Livre-Docência em Ciências de Computação pela Universidade de São Paulo (2011). Entre 2003 e 2006 esteve com o Programa de Mestrado em Informática da Universidade Católica de Santos (hoje desativado), o qual ajudou a elaborar e reconhecer junto à Capes. Nesse período também atuou como pesquisador colaborador da Faculdade de Eng. Elétrica e de Computação da Universidade Estadual de Campinas (FEEC/Unicamp). Foi Jovem Pesquisador da Fapesp no período 2006-2011 e foi Pesquisador de Produtividade em Pesquisa do CNPq (níveis 2, 1D e 1C) desde 2005, sem interrupções, durante o período em que atuou no Brasil. Entre 2007 e 2016 foi docente em regime RDIDP junto ao Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC/USP). Entre 2011 e 2013 esteve em período sabático, como pesquisador / professor visitante, no Departamento de Ciência de Computação da Universidade de Alberta, em Edmonton, AB, Canadá, onde também ocupou uma posição honorária de Adjunct Professor entre 2017 e 2023. Entre 2016 e 2018 exerceu cargo de Professor Titular (Full Professor) junto ao College of Science and Engineering, James Cook University, Queensland, Austrália, onde foi um dos principais responsáveis pela criação do mestrado profissionalizante online em ciência de dados, e onde também possuiu uma posição honorária de Adjunct Professor entre 2018 e 2024. Entre 2018 e 2022 exerceu cargo de Full Professor junto à School of Information and Physical Sciences, Universidade de Newcastle, Austrália, onde também foi responsável pela criação e subsequente coordenação de dois programas de pós-graduação na área de ciência de dados: o mestrado online em ciência de dados (Online Master of Data Science) e o programa internacional de dupla titulação Master of Business Administration (MBA Global) / Master of Science (Data Analytics). Após um período sabático em 2022 como pesquisador visitante na Universidade de Melbourne, Austrália, foi contemplado com um prestigioso projeto de recrutamento internacional envolvendo um montante de DKK 15.8 milhões em fomento para estabelecer seu grupo de pesquisa na Dinamarca, onde tem desde 2023 exercido cargo de Full Professor na Syddansk Universitet (University of Southern Denmark). Suas áreas de interesse atuais incluem Análise de Padrões e Descoberta de Conhecimento em Bases de Dados, Mineração de Dados, Aprendizado de Máquina e Sistemas Inteligentes. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Este documento apresenta um projeto de pesquisa dentro da linha de auxílios regulares da Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp). O objetivo fundamental é apoiar de maneira integrada as pesquisas realizadas pelo grupo de pesquisa do proponente, pelo período de 2 anos. O grupo é essencialmente constituído pelo pesquisador responsável e seus alunos no ICMC/USP, mas o p…
Este projeto concentra-se no escopo da inteligência computacional, com ênfase em tarefas de mineração de dados e aplicações. A inteligência computacional é uma disciplina que compreende essencialmente três grandes áreas da inteligência artificial no sentido amplo do termo; são elas: redes neurais artificiais, sistemas fuzzy e computação evolutiva. A mineração de dados refere-se a uma cole…
A área de detecção de outliers possui um papel fundamental na descoberta de padrões em dados que podem ser considerados excepcionais sob alguma perspectiva. Detectar tais padrões é relevante de maneira geral porque, em muitas aplicações de mineração de dados, tais padrões representam comportamentos extraordinários que merecem atenção especial. Uma importante distinção se dá entre as técni…
Análise de agrupamento é um problema fundamental de aprendizado de máquina não supervisionado em que se objetiva determinar categorias que descrevam um conjunto de objetos de acordo com suas similaridades ou inter-relacionamentos. Na formulação tradicional do problema, busca-se por partições ou hierarquias de partições contendo grupos cujos objetos são de alguma forma similares entre si e…
Existem muitas situações em aprendizado de máquina em que é fácil obter vastas quantidades de dados não rotulados, porém é custoso obter rótulos para esses dados. Isso gera situações típicas em que se dispõe de apenas um subconjunto pequeno de dados rotulados, que não é representativo o suficiente para o aprendizado supervisionado de um modelo. Em tais situações, são fundamentais técnicas…
Este documento apresenta uma proposta de pesquisa para um estágio de pós-doutorado de um ano sob a supervisão do Prof. Joerg Sander do Departamento de Ciência da Computação da Universidade de Alberta, em Edmonton, Canadá. A concepção preliminar da presente proposta foi delineada durante uma visita de uma semana do candidato (Ricardo J. G. B. Campello) àquele centro, em Junho de 2010, com …